Android ListView应用

一.应用Android原本就有的ListView

1.其可以在Activity和Fragment中应用。

在layout中布局:

 <LinearLayout
    android:layout_width="fill_parent"
    android:layout_height="wrap_content"
    android:layout_weight="7">
        <ListView
            android:paddingTop="2dp"
            android:layout_width="fill_parent"
            android:layout_height="wrap_content"
            android:id="@id/android:list"

            ></ListView>
    </LinearLayout>

2.在相应的Fragment.java中对应代码:

注意这里的Fragment继承了ListFragment

public class WrongFragment extends ListFragment {
    private List<Map<String,String>> data=new ArrayList<Map<String,String>>();

    // TODO: Rename parameter arguments, choose names that match

    @Override
    public void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);

    }
    @Override
    public View onCreateView(LayoutInflater inflater, ViewGroup container,
                             Bundle savedInstanceState) {

        // Inflate the layout for this fragment
        View wrongView= inflater.inflate(R.layout.fragment_wrong, container, false);

        Map<String,String> map1=new HashMap<String,String>();
        map1.put("wrongType","职业道德与理论");
        data.add(map1);
        Map<String,String> map2=new HashMap<String,String>();
        map2.put("wrongType", "专业能力考核");
        data.add(map2);
        setListAdapter(new SimpleAdapter(getActivity(),data,android.R.layout.simple_list_item_1,
                new String[]{"wrongType"},
        new int[]{android.R.id.text1}   //名字在text1上显示
        ));

3.在WrongFragment对应的Activity中对应代码:

 

 protected void onCreate(Bundle savedInstanceState) {
 clickListViewItem();

    }
 public void clickListViewItem(){
        final ListView wrongList=(ListView)findViewById(android.R.id.list);
        wrongList.setOnItemClickListener(new AdapterView.OnItemClickListener()
        {

            @Override
            public void onItemClick(AdapterView<?> parent, View view, int position, long id) {
                if(oldView!=null){
                    oldView.setBackgroundResource(0);
                }
                oldView=view;
                view.setBackgroundResource(R.drawable.bg_tabselect);
                Intent intent = new Intent();
                intent.setClass(MainActivity.this,WrongActivity.class);
                Map<String,String> map=(Map<String,String>)wrongList.getItemAtPosition(position);
                Bundle bundle=new Bundle();
                bundle.putString("wrongType",map.get("wrongType"));
                intent.putExtras(bundle);
                startActivity(intent);
            }


        });
    }
写好后就转到对应的WrongActivity中去啦

效果如下:



二.自己定义Adapter -----ListView

这里我写几个步骤:

1.在XML不居中定义一个ListView

2.创建list_item.xml用来设置ListView中每个Item的布局。

3,.在对应的Activity中封装显示数据

4.自定义适配器,需继承BaseAdapter

5.获取对应的ListView,设置适配器

具体内容请关联:http://blog.csdn.net/hellohm/article/details/12356649

http://blog.csdn.net/hellohm/article/details/12685371

这里写得很详细,我就没有必要再列举啦。

2.1也是一样需要在Layout.xml中布局一个ListView,区别在于这个ListView的android:id是自己定义的。

<LinearLayout xmlns:android="http://schemas.android.com/apk/res/android"
    android:orientation="vertical"
    android:layout_width="fill_parent"
    android:layout_height="fill_parent"
    >
<TextView
	android:id="@+id/welcome2"  
    android:layout_width="fill_parent" 
    android:layout_height="wrap_content" 
    android:text="@string/urlcheck"
    />
<ListView android:layout_height="wrap_content" android:id="@+id/jsonlistView" android:layout_width="fill_parent"></ListView>

</LinearLayout>

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值